Académique Documents
Professionnel Documents
Culture Documents
Working Paper
2014-199
http://www.ipag.fr/fr/accueil/la-recherche/publications-WP.html
IPAG working papers are circulated for discussion and comments only. They have not been
peer-reviewed and may not be reproduced without permission of the authors.
ladoption des systmes dinformation dans la grande distribution alimentaire (section 3). Les
rsultats de lenqute mene sont prsents dans la section 4 et seront suivis par leur
discussion (section 5). La conclusion rappellera nos objectifs ainsi que nos principaux
rsultats.
1.
Cadre thorique
1.1.
Les recherches en psychologie sociale ont dtermin que ladoption dun comportement par
un individu est dpendante de lintention de cet individu dadopter le comportement en
question. Ce postulat, dont nous rappellerons les bases thoriques, a guid la branche
majoritaire des recherches sur lacceptation des systmes dinformation par les utilisateurs.
Parmi les modles de lintention, le modle dacceptation 1 de la technologie (TAM) de Davis
(1989) constitue le modle de rfrence des recherches en systmes dinformation que ce soit
pour sa primeur en matire de modle spcifiquement ddi aux TIC, son nombre lev de
citations et de validations empiriques ou pour sa longvit.
Issu des thories de la psychologie sociale (la thorie de laction raisonne et la thorie du
comportement planifi), le TAM a cependant t dvelopp pour une application propre aux
SI et ne sinscrit plus dans le cadre de thories gnrales sur le comportement humain. Le
TAM admet que lutilisation effective dune technologie dpend bien de lintention et
considre quelle est influence par lattitude de lutilisateur envers le comportement. Le
modle cherche donc identifier les dterminants de lattitude et de lintention de se
comporter : ils sont au nombre de deux, lutilit perue et la facilit dutilisation perue.
Lutilit perue est dfinie comme le degr selon lequel une personne croit que l'utilisation
d'une technologie augmentera son efficacit, cest--dire dire son rendement professionnel
ou domestique (Davis et al., 1989, Hong et al., 2001/2002 ; Venkatesh, 2003 ; Brangier et al.,
2010). La facilit dutilisation perue est dfinie comme le niveau selon lequel une personne
peroit lutilisation dune technologie comme tant exempte deffort important (Davis et al.,
1989, Hong et al., 2001/2002 ; Venkatesh, 2003 ; Brangier et al., 2010).
Le TAM constitue le modle le plus utilis (non seulement dans les recherches en systmes
dinformation mais aussi dans dautres domaines comme le marketing). Il a connu plusieurs
modifications et extensions visant amliorer son pouvoir explicatif et cerner le plus de
variables possible influenant le comportement de lutilisateur vis--vis des technologies. Il
fourni galement le fondement de lUTAUT, le modle que nous adoptons dans notre travail
et que nous prsenterons ultrieurement.
Une deuxime catgorie de travaux dont lobjectif est de comprendre le comportement de
lindividu lgard des TIC sest directement intresse la notion de satisfaction (Cyert et
March, 1963) en considrant que l'utilisateur cherche maximiser sa satisfaction et utilise
d'autant plus une TIC que cet usage s'avre satisfaisant. L'valuation du niveau de satisfaction
est donc un dterminant de l'utilisation d'une technologie. Ces prmices ont permis une
avance majeure de la thorie (DeLone et McLean, 1992) en proposant un modle explicatif :
lusage et la satisfaction sinfluencent mutuellement et sont conjointement dtermins par
deux facteurs : la qualit de linformation et la qualit du systme. Les modifications au
niveau de lindividu apparaissent par rapport celles de lefficacit organisationnelle et
inversement, cest--dire quen plus dtre des effets, lutilisation et la satisfaction gnrent
leurs propres impacts (Jurison, 1996 ; Igbaria et Tan, 1997), qui peuvent avoir une forme
individuelle (comportement de lutilisateur) ou organisationnelle (performance de
1
Nous notons que dans certains travaux (Brangier, 2010), on utilise le terme adoption pour dsigner un degr lus
avanc de lacceptation traduisant lusage. Dans notre travail, nous ne distinguons pas les deux termes.
lorganisation). Toutefois, les impacts sont dabord individuels et se propagent vers les
impacts organisationnels.
En dpit des apports de ces approches et thories pour comprendre les facteurs explicatifs du
comportement dadoption dune technologie, des interrogations persistent. En effet, certains
auteurs (Licklider, 1960 ; Engelbart, 1992 ; De Rosnay, 2000 ; Brangier, 2003) ont avanc les
limites pistmologiques des prcdentes approches de lacceptation des technologies. Pour
ces auteurs, la technologie ne doit pas tre aborde comme un outil extrieur, que lhomme et
lorganisation devraient accepter, mais comme un prolongement de ces entits. La technologie
est alors considre comme un symbiote, au sens mtaphorique du terme, cest--dire que la
relation humain-technologie-organisation est une association constante, obligatoire et
spcifique entre deux organismes ne pouvant vivre l'un sans l'autre, chacun d'eux tirant un
bnfice de cette association 2 .
Lapproche symbiotique considre que cette coopration serait en mesure daugmenter les
capacits intellectuelles de lhumain : il dplace dans la technologie ce qui, de lui-mme, est
programmable (Brangier 2010) tel que le travail de routine, la prparation des actions et
lindication des chemins possibles pour les actions ou dcisions humaines. De son ct,
lhumain dcide, fixe les objectifs, formule les hypothses, dtermine les critres de dcision
et effectue les valuations. Cette coopration permet lhomme de rsoudre des situations
plus complexes (Licklider, 1960). Bien quapportant un nouvel angle dapproche la question
de lacceptation des TIC, lapproche de la symbiose homme-machine reste peu applique dans
les recherches en systmes dinformation. Ceci sexplique par les difficults de sa mise en
uvre et doprationnalisation de ses concepts.
Les dveloppements prcdents nous ont renseigns sur limportance de cibler les besoins de
ltude. En effet, certains modles sont plus adapts pour prdire lutilisation dune nouvelle
TIC l o dautres sont focaliss sur lexplication et la correction du comportement pour des
TIC dj implantes. De mme, l o modles se sont attachs mesurer lacceptation
individuelle des TIC, dautres thories se sont focalises sur lacceptation organisationnelle.
Ltude exhaustive de toutes ces relations au sein dun mme modle nous semble encore
utopique et nous devons nous concentrer sur un niveau dadoption des SI.
Nous nous intresserons un contexte dtude au sein duquel la technologie est dj
implante mais en tat de sous-utilisation. Les modles centrs sur la prdiction ou la
slection du systme technique nous seront peu utiles puisque nous ne pourrons pas mettre en
uvre leurs apports. De plus, les dveloppements prcdents nous ont dmontrs la primaut
des impacts individuels de lacceptation sur les impacts organisationnels. Pour rpondre
notre problmatique, nous nous tournons donc vers une thorie unifie des modles sur
lacceptation individuelle des technologies.
1.2.
Face un ensemble de thories parses, des chercheurs comme Venkatesh et al., 2003 ont
remarqu que les tudes empiriques sur ladoption des technologies se rsument souvent
choisir un modle en ignorant largement lapport des recherches parallles (Venkatesh et al.,
2003, p. 426). Afin de rpondre la dispersion des recherches sur ladoption des technologies,
Venkatesh et al. (2003) ont effectu une synthse des principaux modles de lacceptation
individuelle des TIC pour en dgager une thorie unifie dacceptation et dutilisation de la
technologie (Unified Theory of Acceptation and Use of Technology : UTAUT). Construite
partir de huit modles antrieurs, lUTAUT a permis damliorer considrablement la
comprhension des mcanismes dadoption des technologies.
2
Venkatesh et al. (2003) ont relev que la variance dans lintention des diffrents modles fluctue entre 17% et
42%.
Toutefois, la majeure extension de lUTAUT rside dans lintgration dune nouvelle variable
qui est le comportement attendu ( behavioral expectation ). Cette variable exerce une effet
mdiateur des effets de lintention de se comporter sur le comportement dusage (en plus de
leffet direct entre ces deux dernires). Le comportement attendu a t introduit lUTAUT
suite lobservation dun cart entre lintention dutilisation dune technologie et son usage
effectif (Sykes et al., 2009 ; Venkatesh et al., 2008 ; Venkatesh et Goal, 2010). Le
comportement attendu est dfini comme une probabilit subjective auto-dclare que
lutilisateur adopte un comportement particulier (Warshaw et Davis, 1984). Cette probabilit
est base sur lvaluation cognitive des dterminants volontaires et non volontaires du
comportement.
LUTAUT est certainement le modle explicatif de ladoption individuelle des technologies le
plus abouti ce jour. En expliquant prs de 70% de la variance dans lintention et 50% de la
variance dans lusage (Venkatesh et al., 2003), lUTAUT se positionne comme le modle
disposant du meilleur coefficient de dtermination (R) de lintention du comportement et du
comportement dusage dune TI. Les critiques son encontre sont, pour le moment,
relativement rares dans la littrature. Toutefois, Bagozzi (2007) remarque que la complexit
de lUTAUT et le nombre de variables modlises rendent difficiles son exploitation concrte.
Van Raaij et Schepers (2008) avancent notamment que le TAM fournit une base plus prcise
que lUTAUT sur certains aspects car il se concentre sur le dtail des dterminants de
lintention plutt que sur les variables modratrices de quelques construits psychomtriques.
Etant donns les apports de lUTAUT et prenant en considration ses limites voques dans
les travaux antrieurs, nous avons construit notre modle de recherche. Nous avons galement
tenu compte des spcificits du contexte de sa validation empirique pour allger le modle et
rendre son application plus oprationnelle.
2.
Modle de la recherche
Nous construirons notre modle de recherche sur la base de lUTAUT. Le modle originel est
pur de ses variables modratrices individuelles et nous intgrerons un nouveau construit
issu de recherches rcentes : le comportement attendu.
Lintrt majeur 4 de lUTAUT par rapport aux prcdents modles de lintention est
dintgrer quatre variables modratrices des principaux dterminants de lintention. Trois de
ces variables sont individuelles et relatives au sexe, lge et lexprience de lutilisateur.
La quatrime variable modratrice est organisationnelle et renvoie au caractre volontaire ou
obligatoire de lutilisation de la technologie.
Toutefois, lobjectif final de notre recherche est de dterminer, partir des principaux facteurs
qui facilitent ladoption des systmes dinformation dans la grande distribution alimentaire,
des leviers dactions concrets et pertinents pour garantir le succs de tels projets. Or le sexe,
lge et lexprience sont des variables dlicates exploiter dans notre contexte dtude,
notamment court ou moyen terme. De plus, linfluence du sexe et de lge sur lintention
dadopter une technologie na pas t vrifie dans toutes les validations empiriques de
lUTAUT. Lors dune tude portant sur lutilisation de la plateforme de formation en ligne,
Marchewka et al. (2007) nont pas observ deffets significatifs du sexe ou de lge sur les
dterminants de lintention. Ces rsultats confirment lintrt limit pour notre recherche
dexploiter ces deux variables modratrices. Nous remarquons galement que la troisime
version du TAM propose par Venkatesh et Bala (2008), ne reprend que lexprience et le
contexte dusage comme variables modratrices des normes subjectives.
Notre modle est donc compos de trois variables latentes endognes. Chacune de ces
variables est dtermine par linfluence conjointe de plusieurs variables latentes explicatives
dont nous prciserons les liens au sein du modle structurel de la recherche.
Comme cela
a pu tre vrifi de nombreuses reprises dans la littrature (Venkatesh et al., 2000 ;
Venkatesh et al., 2003), nous nous attendons une influence positive sur lintention du
comportement des croyances selon lesquelles un individu pense que lusage de la
technologie :
-
Enoncs
La performance attendue dun SI exerce un effet positif sur lintention de
ladopter.
Les perceptions de la facilit dutilisation dun SI exercent un effet positif sur
lintention de ladopter.
Linfluence sociale exerce un effet positif sur lintention dadopter un SI.
Daprs les travaux de Venkatesh et al. (2008), nous nous attendons galement ce que leffet
positif de linfluence sociale sur lintention dadopter le systme soit modre par la volont ;
cest--dire dire que plus le contexte dusage sera ressenti comme volontaire, moins
linfluence sociale aura dimportance sur la dtermination de lintention. Do lhypothse
suivante :
Tableau 2 : Lhypothse de recherche relative leffet modrateur de la volont
Hypothse
H3a
Enonc
La volont rduit leffet positif de linfluence sociale sur lintention dadopter
un SI.
De plus, les recherches sur le comportement attendu (Venkatesh et al., 2008) nous ont permis
de dgager ce dterminant intermdiaire qui intervient entre lintention premire dutiliser le
systme et lusage rel qui en est fait. Nous nous attendons ce que le comportement attendu
capte leffet direct de linfluence des conditions facilitatrices et de lintention sur lusage.
Tableau 3 : Les hypothses de recherche relatives aux dterminants du comportement attendu
Hypothses
H4
H5
Formulations
Les conditions facilitatrices exercent un effet positif sur le comportement
attendu.
Lintention de se comporter exerce un effet positif sur le comportement
attendu.
Enfin, lusage rel du systme est conditionn par linfluence conjointe de lintention de
lutiliser et du comportement attendu.
Formulations
Lintention de se comporter exerce un effet positif sur lusage dun SI.
Le comportement attendu exerce un effet positif sur lusage dun SI.
Pour les mmes raisons qui nous ont pousses exclure certaines variables modratrices de
notre modle, nous ne conserverons pas la distinction selon laquelle lintention est un meilleur
prdicteur de la dure dutilisation que le comportement attendu, et que le comportement
attendu est un meilleur prdicteur de la frquence et de lintensit dutilisation que lintention
(Venkatesh et al., 2008). Toutefois, nous comptons mesurer ces donnes dans le cadre de
notre recherche afin de permettre leur exploitation future. Ainsi notre modle de recherche
peut tre prsent par la figure 1.
Volont
Influence
sociale
H3
H2
Effort attendu
Performance
attendue
H3a
Intention
de se
comporter
H6
Usage
H5
H7
H1
H4
Comportement
attendu
Conditions
facilitatrices
Figure 1 : Le modle de recherche
Notre modle de recherche et les hypothses qui lui sont associes sont dsormais dtermins
et nous devons construire loutil destin mesurer les variables latentes.
3. Mthodologie
3.1. Construction de loutil de mesure
Une dmarche quantitative par questionnaire a t adopte. Il sagit en effet de la mthode la
plus efficace pour mesurer le comportement dun grand nombre de salaris. Outre le nombre,
cette mthode nous permet galement de toucher des individus rpartis sur un large primtre
gographique. Le questionnaire de notre recherche a t labor partir dune synthse des
recherches antrieures sur ladoption des systmes dinformation. Les items utiliss ont t
puiss dans la littrature antrieure notamment le travail de Venkatesh et al., (2003) et (2008).
Tous les items ont t traduits selon la mthode du comit jusqu obtention de lunanimit
sur les traductions retenues. Pour toutes les variables, nous avons utilis une chelle de Likert
5 points (1. Pas du tout daccord, 2. Pas daccord, 3. Indiffrent, 4. Plutt daccord, 5. Tout
fait daccord) lexception de lusage. Toutes les chelles utilises ainsi que leurs sources
sont prsentes en annexe 1.
Rsultats
Statistiques descriptives
Deux relances ont t effectues suite au premier envoi du questionnaire. Lchantillon final
de rpondants est compos de 129 individus ; ce qui reprsente un taux de rponse de 32%.
72% de lchantillon est compos dhommes alors que 28% est compos de femmes. Cette
forte proportion dhommes doit tre prise en compte lors de linterprtation et la discussion
des rsultats. Quant la rpartition des statuts, on note une forte proportion de cadres
(directeurs de magasin et directeurs rfrents) hauteur de 66% de lchantillon pour 34%
dagents de matrise (manager relais et manager de rayon). Enfin, la moyenne des ges se
situe entre 30 et 49 ans (69% de lchantillon avec 49% situ entre 30 et 39 ans) et 80% des
individus ont moins dun an dexprience avec le logiciel 5 .
4.2.
Analyse confirmatoire
Les rsultats obtenus suite lanalyse confirmatoire peuvent tre considrs comme
satisfaisants et confirmant les proprits psychomtriques de linstrument de mesure.
Concernant la validit convergente, les rsultats obtenus sont situs entre 0,5 et 0,89 pour
lAVE, 0,75 et 0,93 pour la CR et 0,75 et 0,89 pour . Nous notons, toutefois, que pour
lusage et les conditions facilitatrices lAVE est infrieure au seuil requis mais pas trs faible
alors que la fiabilit peut tre considre comme faible. Les rsultats de cette tape sont
prsents dans le tableau 5.
Tableau 5 : Evaluation de la validit convergente des construits
AVE
CR
Intention
0,82
0,93
0,90
Comportement attendu
0,74
0,92
0,88
Effort attendu
0,66
0,89
0,82
Performance attendue
0,67
0,86
0,76
Conditions facilitatrices
0,4
0,71
0,50
Influence sociale
0,56
0,83
0,75
Usage
0,45
0,71
0,41
Volont
0,51
0,75
0,55
Nous rappelons que Business Object a t mis en place dans lentreprise depuis .
10
(2)
(3)
(4)
(5)
(6)
(7)
(1) Intention
0,90
(2) Comportement
attendu
0,74
0,86
0,37
0,40
0,80
(4) Performance
attendue
0,56
0,57
0,46
0,82
(5) Conditions
facilitatrices
0,30
0,39
0,46
0,31
0,63
0,31
0,18
0,34
0,35
0,35
0,74
(7) Usage
0,31
0,31
0,33
0,33
0,22
0,26
0,67
-0,36
-0,35
-0,35
-0,32
-0,40
-0,54
-0,39
(8) Volont
(8)
0,70
Echantillon
dorigine
Moyenne
Ecart
type
Statistique
T
H5
0,68
0,68
0,06
11,17***
H6
0,17
0,19
0,15
1,11
H7
0,18
0,20
0,13
1,74*
Bien que la suppression ditems valids dans les recherches antrieures soit fortement dconseille, elle est
invitable dans notre travail tant donn quelle amliore largement les rsultats.
7
Les indicateurs (AVE, CR et ) prsents dans le tableau 5 tiennent comptent de la suppression de ces deux
items.
11
H2
0,07
0,10
0,09
0,82
H1
0,43
0,41
0,09
4,75***
H4
0,18
0,20
0,06
2,69***
H3
0,08
0,10
0,10
0,83
H3a
-0,11
-0,09
0,19
0,60
Discussion
5.1.
Les mesures obtenues au test de Student nous permettent, dans notre contexte dtude,
dinfirmer les hypothses selon lesquelles leffort attendu et linfluence sociale ont un effet
positif sur lintention dutiliser le systme dinformation en question. Ce rsultat est
surprenant en ce quil est en contradiction avec les rsultats des recherches antrieures, que ce
soit dans le cadre de lUTAUT (Venkatesh et al., 2003) ou du TAM (Davis et al., 1989) au
sein duquel la facilit dutilisation perue tait un construit de base du modle.
Nous pensons que lexplication de ce rsultat tient aux spcificits de la population
interroge. En effet, il est possible que la notion deffort attendu et la notion dinfluence
sociale soient apprcies diffremment par cette population particulire que constituent les
membres dencadrement de la distribution alimentaire. Concernant leffet de linfluence
sociale, les personnels dencadrement des supermarchs disposent dun haut degr
dautonomie et de dlgation dans lorganisation de leur travail. La reconnaissance sociale
passe fortement par la comparaison des uns avec les autres sur les rsultats oprationnels
obtenus. Lusage dun nouveau logiciel daide la dcision nest pas forcment associ une
meilleure image sociale. La non-significativit de ce lien entraine celle de leffet de la volont
qui nexerce aucun effet modrateur significatif. Indpendamment de ce rsultat la volont
nest pas sense avoir un effet important dans la mesure o lusage de BO est volontaire.
De plus, nous sommes en prsence dune catgorie professionnelle habitue des conditions
de travail rputes difficiles par rapport dautres secteurs dactivit. La notion deffort
attendu y est peut-tre apprcie diffremment de ce que retranscrivent les items utiliss pour
la mesure. Elle peut galement navoir, comme nous lavons effectivement observ, pas
deffet significatif sur lintention. Une autre explication de ce rsultat tient aux
12
Le comportement attendu est un construit rcent identifi par Venkatesh et al. (2008). Nous
lavons intgr dans notre modle en le combinant au modle de lUTAUT. Compte tenu des
rsultats observs, nous sommes plutt enthousiastes quant lintrt de cette variable. En
effet, limportante variance explique du comportement attendu (R = 57%) et la validation de
toutes les hypothses qui lui sont relies nous renseigne sur son pouvoir explicatif du
comportement dusage.
Toutefois, Venkatesh et al. (2008) ont admis que, partir dun certain niveau dexprience,
lintention tait une meilleure variable explicative de la dure dutilisation que le
comportement attendu. Daprs nos observations, lintention na pas deffet significatif sur
lusage, son effet tant capt par le comportement attendu. Il serait intressant de mener des
analyses plus pousses sur les diffrents composants de lusage afin de confirmer ou
dinfirmer nos observations.
5.3.
Le comportement dusage
La variance explique de lusage demeure notre seule dception au cours de cette recherche.
En effet, notre objectif ultime tait dobtenir une explication significative du comportement
dusage dans la grande distribution alimentaire. Avec un R = 15% pour la variable usage,
nous sommes loin des 70% de variance explique dans le cadre des travaux de Venkatesh et
al. (2003).
Nous pensons que cet cart est avant tout d loutil de mesure utilis pour capter lusage rel
du systme dinformation. En effet, Venkatesh et al. (2003) ont mesur cette variable avec la
mthode objective (via les logs du systme) l o nous avons opt pour la mthode subjective
(via le tmoignage des utilisateurs). Nous avons fait ce choix pour disposer des donnes
ncessaires lanalyse ultrieure de linfluence de lintention et du comportement attendu sur
la dure dutilisation, la frquence dutilisation et lintensit dutilisation du systme.
Toutefois, pour des raisons pratiques, nous avons ralis cette recherche en considrant ces
trois items comme constitutifs dune seule variable dpendante : lusage. Il semble que notre
mthode danalyse ne soit pas adapte aux items mesurs et que ces derniers doivent ltre
dans les mmes conditions que celles utilises pour la validation du comportement attendu
(Venkatesh et al., 2008), cest--dire en considrant la dure, la frquence et lintensit
comme des variables distinctes que les dterminants de lusage influencent diffremment.
Dun point de vue thorique, la qualit prdictive de lUTAUT provenait notamment de
lintgration de quatre variables modratrices sur les dterminants de lintention et de
lusage : lge, le sexe, lexprience et la volont. Dans notre propre modle, nous navons
retenu que la volont parce que lintrt de ces variables modratrices navait pas t observ
13
dans toutes les validations de lUTAUT (Marchewka et al., 2007). Toutefois, la lumire de
limportance de lcart entre notre variance explique et celle des travaux de Venkatesh et al.
(2003), il serait intressant de rintgrer ces variables dans le cadre danalyses futures pour
apprcier leur impact rel sur lexplication du comportement dusage.
5.4.
Contributions de la recherche
A la lumire de ces rsultats, nous proposons des contributions pour la littrature et la gestion
de la mise en place des TIC en entreprise.
Notre travail apporte une nouvelle validation de lUTAUT et confirme ses apports dans
lidentification des facteurs favorisant ladoption des SI. Bien que notre tude napporte pas
une innovation majeure sur le plan thorique, elle peut tre considre comme originale et ce
deux gards. Dun ct, notre travail constitue lune des rares applications de lUTAUT
dans le contexte franais (en plus de celle de Bourdon et Hollet, 2009). La plupart des
applications du modle ont t menes dans le contexte anglo-saxon ou asiatique (Chine,
Japon, Taiwan). Les diffrences culturelles pourraient alors expliquer la divergence de nos
rsultats par rapport aux travaux antrieurs.
Dun autre ct, notre tude constitue la premire mene dans le contexte de la grande
distribution alimentaire pour ladoption dun outil daide la dcision. Les diffrentes
applications de lUTAUT ont t menes dans le contexte estudiantin et rares sont les
applications en milieu de travail. Notre recherche nous a permis ainsi didentifier trois
facteurs cls de ladoption de BO savoir la performance attendue, les conditions
facilitatrices et le comportement attendu. Ainsi les managers voulant favoriser lacceptation
de tels systmes parmi les utilisateurs, doivent montrer et prouver leur utilit et fournir les
conditions favorables leur usage (assistance technique, formation,).
Par ailleurs, au vu des indicateurs statistiques relatifs la variable comportement attendu (R2,
AVE et fiabilit), lintrt de lintgrer dans lUTAUT se confirme. Nos rsultats montrent
que le comportement attendu influence positivement le comportement dusage de BO alors
que lintention na pas deffet significatif. Nanmoins, ce rsultat reste approfondir dans la
mesure o la corrlation entre lintention et le comportement attendu est relativement leve
bien que ces deux construits soient statistiquement distincts. Ce rsultat suggre que le
comportement attendu est un meilleur prdicteur de lusage que lintention. Il serait alors
intressant de savoir quel point le comportement attendu serait un bon prdicteur de lusage
et sil peut le cas chant se substituer lintention.
5.5.
Certaines limites sont importantes signaler afin dapporter plus dclairages la conduite et
aux rsultats de cette recherche. Premirement, la suppression des variables modratrices
(considres comme un des apports majeurs de lUTAUT) aurait pu influencer nos rsultats.
La suppression de ces variables est justifie par limpertinence de leur application dans notre
travail. Nanmoins, le faible pouvoir explicatif du modle nous pousse nous poser des
questions quant leur rintgration. Deuximement, la mesure que nous avons utilise pour
lusage est critiquable. Contrairement Venkatesh et al. (2003), nous navons pas distingu
les diffrentes mesures de lusage ( savoir la dure, lintensit et la frquence). Nous avons
agrg ces mesures en une seule variable. Les rsultats statistiques ne consolident pas notre
choix puisquaussi bien les valeurs de lAVE que de lalpha de Cronbach taient faibles
(respectivement 0,45 et 0,41). Troisimement, linstrument de mesure que nous avons utilis
pourrait tre source de biais. Bien que les traductions des chelles de mesure aient suivi une
mthode scientifique rigoureuse, un prtest sur une population rduite aurait pu apporter
14
certains clairages quant la clart des questions et leur comprhension et amliorer par
consquent les rsultats de lanalyse confirmatoire.
Plusieurs perspectives sont envisageables pour lextension de ce travail. Afin de mieux
comprendre les rsultats (liens confirms ou rejets), il serait intressant de raliser des
entretiens qualitatifs avec les rpondants. Cela permettrait de mieux comprendre certains
rsultats surprenants et dintgrer les lments du contexte dans lanalyse.
Par ailleurs, afin damliorer le pouvoir explicatif de notre modle, nous avons explor de
nouveaux liens entre les variables que nous avons tests par Smart PLS. De nouveaux liens
significatifs ont merg. Il sagit de leffet direct de la performance attendue sur le
comportement attendu et sur lusage renforant ainsi le poids de cette variable dans
lUTAUT. Aussi, un lien significatif direct a t identifi entre la volont et lintention de se
comporter. En plus de ces rsultats appelant davantage dapprofondissement, la variance
explique de lusage sest amliore et a atteint 20% ce qui prouve la pertinence du nouveau
modle test.
Conclusion
Le thme des comportements des utilisateurs vis--vis des technologies de linformation et de
la communication continue susciter lintrt de beaucoup de chercheurs en systmes
dinformation. Le prsent travail sintgre dans cette perspective et cherche identifier les
dterminants de ladoption dun systme daide la dcision par les responsables dune
enseigne de la grande distribution alimentaire. Le modle thorique adopt est lUTAUT de
Venkatesh et al. (2003) avec sa rcente extension de Venkatesh et al. (2008). Nous avons, par
ailleurs, adapt le modle au contexte de son application en liminant trois des quatre
variables modratrices (sexe, ge et exprience). Ltude empirique ralise auprs de 129
responsables de cette enseigne met laccent sur trois variables cls favorisant ladoption de ce
SI savoir les conditions facilitatrices, la performance attendue et le comportement attendu.
Linfluence sociale, la volont (quatrime variable modratrice), les perceptions de leffort
attendu ainsi que lintention dusage se sont avres non significatives dans notre modle. Ces
rsultats nous ont permis de proposer des contributions thoriques et managriales pouvant
aider lamlioration de la mise en place de ce type de projet.
Bibliographie
Bagozzi, R.P., (2007), The legacy of the technology acceptance model and a proposal for a
paradigm shift, Journal of the Association for Information Systems, Vol. 8, n4, p.
244254.
Bourdon, I., Hollet, S., (2009), Pourquoi contribuer des bases de connaissances ? Une
exploration des facteurs explicatifs la lumire du modle UTAUT, Systmes
d'Informations et Management, Vol. 14, n1, p. 9-36.
Brangier, E., Barcenilla, J., (2003), Concevoir un produit facile utiliser, Editions
dOrganisation, 2003.
Brangier, E., Dufresne, A., Hammes, S., (2009), Approche symbiotique de la relation humaintechnologie : perspectives pour lergonomie informatique, Le Travail humain, Vol. 72,
n4, p. 333-353.
Brangier, E., Hammes, S., Bastien, J.M.C., (2010), Analyse critique des approches de
lacceptation des technologies : de lutilisabilit la symbiose humain-technologieorganisation, Revue europenne de psychologie applique, Vol. 60, p. 129-146.
Carr, N., (2003), IT doesnt matter, Harvard Business Review, Vol. 81, n5, p. 41-49.
Curtis, L., Edwards, C. , Fraser, K. L., Gudelsky, S., Holmquist, J., Thornton, K., Sweetser,
K. D., (2010), Adoption of social media for public relations by nonprofit
organizations, Public Relations Review, Vol. 36, n1, p. 9092.
15
Davis, F.D., (1989), Perceived usefulness, perceived ease of use and user acceptance of
information technology, MIS Quarterly, Vol.13, n3.
Davis, F.D., Bagozzi, R.P., Warshaw, P.R., (1989), User Acceptance of Computer
Technology: A Comparison of Two Theoretical Models, Management Science, Vol.
35, p. 982-1003.
DeLone, W.H., McLean, E.R., (1992), Information systems success: The quest for the
dependent variable, Information Systems Research, Vol.3, p. 60-95.
Devaraj, S., Kohli, R., (2003), Performance Impacts of Information Technology: Is Actual
Usage the Missing Link?, Management Science, Vol. 49, n3, p. 273-289.
Dulle, F.W. Minish-Majanja, MK., (2009), Researchers perspectives on open access
scholarly communication in Tanzanian public universities, South African Journal of
Information Management, Vol. 11, n3.
Dulle, F.W., Minish-Majanja, M.K. (2011), The suitability of the unified theory of
acceptance and use of technology (UTAUT) model in open access adoption studies,
Information Development, Vol. 27, n 1, p. 32-45.
Eckhardt, A., Laumer, S., Weitzel, T., (2009), Who influences whom? Analyzing workplace
referents social influence on IT adoption and non-adoption, Journal of Information
Technology, Vol. 24, n1, p. 1124.
Engelbart, D.C., (1992), Toward high-performance organizations: A strategic role for
groupware, http://www.bootstrap.org/aug-docs/augment-132811.htm
Fornell, C., Larcker, D.F., (1981), Evaluating structural equations models with unobservable
variables and measurement error, Journal of Marketing Research, Vol.18, p.3950.
Hong, W., Thong, J., Wong, W.M., Tam, K.Y., (2001/2002), Determinants of user
acceptance of digital libraries, Journal of Management Information System, ,Vol.18, n
3, p. 97-124.
Igbaria, M., Tan, M., (1997), The Consequences of Information Technology Acceptance on
Subsequal Individual Performance, Information & Management, Vol. 32, p.113-121.
Jurison, J., (1996), The temporal nature of IS benefits: A longitudinal study, Information
and management, Vol.30, n2, p. 75-79.
Licklider J.C.R., (1960), Man-Computer Symbiosis, in Transactions on Human Factors in
Electronics, Vol. 1, p. 411.
Lin C.P., Anol, B., (2008), Learning online social support: An investigation of network
information technology, Cyber Psychology & Behavior, Vol. 11, n3, p. 268272.
Marchewka, J.T., Liu, C., Kostiwa, K., (2007), An Application of the UTAUT Model for
Understanding Student Perceptions Using Course Management Software,
Communications of IIMA (CIIMA), Vol.7, n2, p. 93-104.
Marchewka, J.T., Liu, C., Kostiwa, K., (2007), An Application of the UTAUT Model for
Understanding Student Perceptions Using Course Management Software,
Communications of IIMA (CIIMA), Vol.7, n2, p. 93-104.
Ringle, C.M., Wende, S., Will, S., (2005), Smart PLS 2.0 (M3) Beta, http://www.smartpls.de
Sykes, T.A., Venkatesh, V., Gosain, S., (2009), Model of Acceptance with Peer Support: A
Social Network Perspective to Understand Employees' System Use, MIS Quarterly,
Vol. 33, p. 371-393.
Van Raaij, E. M., Schepers, J.J.L., (2008), The acceptance and use of a virtual learning
environment in China Computers & Education, Vol. 50, n3, p. 838852.
Venkatesh, V., Bala, H., (2008), Technology Acceptance Model 3 and a Research Agenda on
Interventions, Decision Sciences, Vol.39, p. 273-315.
Venkatesh, V., Brown, S.A., Maruping, L.M., Bala, H., (2008), Predicting Different
Conceptualizations of System Use: The Competing Roles of Behavioral Intention,
Facilitating Conditions, and Behavioral Expectation, MIS Quarterly, Vol.32, n3, p.
16
483-502.
Venkatesh, V., Goyal, S., (2010), Expectation Disconfirmation and Technology Adoption:
Polynomial Modeling and Response Surface Analysis, MIS Quarterly, Vol.34, p.281303.
Venkatesh, V., Morris, M.G., Davis, G.B., Davis, F.D., (2003), User Acceptance of
Information Technology: Toward a Unified View, MIS Quarterly, , Vol.27, n3, p.
425-478.
Volle, M., Prface pour Henri Chelli, Urbaniser lentreprise et son systme dinformation,
Vuibert, 2003.
Wang H.W., and Wang, S.H., (2010), User acceptance of mobile Internet based on the
Unified Theory of Acceptance and Use of Technology: Investigating the determinants
and gender differences, Social Behavior & Personality: An International Journal, Vol.
38, n3, p. 415426.
Warshaw, P., Davis, F.D., (1985), Disentangling behavioral intention and behavioral
expectation, Journal of Experimental Social Psychology, Vol.21, p. 213- 228.
Annexe 1 : questionnaire de recherche
Variables
Items
PE1
Performance
attendue
(PE)
PE2
PE3
PE4
EE1
Effort attendu
(EE)
EE2
EE3
EE4
BI1
Intention de se
comporter
(BI)
BI2
BI3
SI1
Influence
sociale
(SI)
SI2
Enoncs
Je trouve que Business Objects est utile pour
mon travail.
L'utilisation de Business Objects me permet de
faire mon travail plus rapidement.
L'utilisation de Business Objects amliore ma
productivit.
Si j'utilise Business Objects, je vais avoir plus
de chances d'obtenir une promotion.
Mes interactions avec Business Objects sont
clairs et comprhensibles.
Il serait facile pour moi de devenir performant
dans l'utilisation de Business Objects.
Je trouve que Business Objects est facile
utiliser.
Apprendre utiliser Business Objects est
facile pour moi.
J'ai l'intention d'utiliser Business Objects
prochainement.
Je prvois d'utiliser Business Objects
prochainement.
J'ai planifi d'utiliser Business Objects
prochainement.
Les personnes qui influencent mon
comportement (suprieurs hirarchiques)
pensent que je devrais utiliser Business
Objects.
Les personnes qui sont importantes pour moi
(collgues proches/membres de la famille)
pensent que je devrais utiliser Business
Objects.
Sources
Venkatesh
et al. (2003)
Venkatesh
et al. (2003)
Venkatesh
et al. (2008)
Venkatesh
et al. (2003)
17
SI3
SI4
FC1
Conditions
facilitatrices
(FC)
FC2
FC3
FC4
BE1
Comportement
attendu
(BE)
BE2
BE3
BE4
Duration
Usage
(USE)
Frequency
Intensity
VOL1
VOL2
Volont
(VOL)
VOL3
VOL4
Exprience
(EXP)
Age (AGE)
Sexe
Fonction
Age
Sexe
Fonction
Venkatesh
et al. (2008)
Venkatesh
et al. (2008)
Venkatesh
et al. (2008)
Moore et
Benbasat
(1991)
Venkatesh
et al. (2003 ;
2008)
18
Usage
Volont
BE1
0,658692
0,864148
0,326054
0,495396
0,355749
0,213662
0,305085 -0,386362
BE2
0,643267
0,901849
0,365219
0,493181
0,407394
0,148753
0,314088 -0,353930
BE3
0,566016
0,742299
0,342488
0,434113
0,239534
0,089123
0,143518 -0,130830
BE4
0,687510
0,936158
0,368785
0,547955
0,355752
0,179625
0,310290 -0,327530
DUR
0,165685
0,195062
0,259245
0,156602
0,158163
0,154675
0,626656 -0,236915
FREQ 0,272867
0,277423
0,219267
0,351397
0,122148
0,282677
0,815927 -0,338470
INTS
0,187204
0,152618
0,224724
0,117508
0,195546
0,044912
0,560497 -0,189500
FC1
0,296217
0,333588
0,345687
0,296613
0,787510
0,191660
0,009335 -0,202391
FC2
0,217360
0,279941
0,513678
0,245873
0,718405
0,356832
0,324674 -0,368424
FC3
0,081470
0,166410
0,059515
0,101854
0,412517
0,184325
0,090639 -0,273238
FC4
0,118485
0,180289
0,142661
0,096780
0,529779
0,156954
0,162319 -0,221996
INT1
0,938564
0,682805
0,342470
0,543151
0,287907
0,330572
0,275236 -0,325580
INT2
0,946239
0,699208
0,309071
0,522580
0,320174
0,283204
0,268876 -0,366158
INT3
0,838045
0,636151
0,361811
0,464832
0,233482
0,246147
0,320613 -0,303471
PEU1 0,322866
0,286037
0,790137
0,492297
0,437970
0,364862
0,207248 -0,295971
PEU2 0,270642
0,325380
0,789225
0,392786
0,364449
0,228351
0,213391 -0,246453
PEU3 0,327458
0,330219
0,871762
0,385000
0,353784
0,292479
0,346262 -0,283861
PEU4 0,275853
0,380818
0,794660
0,226682
0,366017
0,204187
0,321544 -0,317277
PU1
0,570996
0,537394
0,345200
0,858293
0,270207
0,280858
0,312141 -0,331928
PU2
0,411741
0,435252
0,437740
0,814364
0,261814
0,377322
0,306081 -0,261566
PU3
0,364386
0,408276
0,377383
0,787160
0,251780
0,208551
0,200112 -0,174750
SI1
0,300254
0,180655
0,287425
0,346177
0,254013
0,832660
0,250594 -0,487201
SI2
0,260496
0,152762
0,231752
0,304499
0,141277
0,746520
0,225566 -0,291450
SI3
0,182732
0,090358
0,241452
0,208582
0,324499
0,721953
0,069358 -0,375959
19
0,163844
0,110621
0,270848
0,179209
0,442328
0,693966
VOL1 -0,329366
-0,293529
-0,327601
-0,347702
-0,475887
-0,606146
-0,2218
VOL3 -0,114774
-0,079648
-0,097361
-0,069693
-0,156885
-0,311752
-0,26064 0,549479
VOL4 -0,267902
-0,309132
-0,250785
-0,187257
-0,153126
-0,187581
-0,38241 0,739447
SI4
0,207863 -0,499135
0,813152
20